Language Models Can Improve Event Prediction by Few-Shot Abductive Reasoning
专题命中 推理与问题求解 :language model(title,abstract);large language model(abstract);分类 cs.CL、cs.AI、cs.LG
Comments NeurIPS 2023 camera-ready
AI 大模型
大语言模型、预训练、指令微调、后训练和语言模型应用。
专题命中 推理与问题求解 :language model(title,abstract);large language model(abstract);分类 cs.CL、cs.AI、cs.LG
Comments NeurIPS 2023 camera-ready
专题命中 推理与问题求解 :language model(title,abstract);prompting(abstract);分类 cs.CL、cs.AI、cs.LG
专题命中 推理与问题求解 :prompting(title,abstract);large language model(abstract);language model(abstract)
Comments Accepted by ICCV 2023
专题命中 推理与问题求解 :prompting(title);LLM(abstract);large language model(abstract);language model(abstract)
Comments Accepted by ICCV 2023
专题命中 推理与问题求解 :foundation model(title,abstract);large language model(abstract);language model(abstract)
专题命中 推理与问题求解 :LLM(title);large language model(abstract);language model(abstract);分类 cs.CL、cs.AI、cs.LG
Comments 7 pages, 1 figure. License changed to CC BY-NC-SA
专题命中 推理与问题求解 :language model(title,abstract);large language model(abstract);分类 cs.CL、cs.AI、cs.LG
专题命中 推理与问题求解 :language model(title,abstract);prompting(abstract);分类 cs.CL、cs.AI、cs.LG
Comments 27 pages, 17 figures + references and appendices, repo: https://github.com/google/BIG-bench
Journal ref Transactions on Machine Learning Research, May/2022, https://openreview.net/forum?id=uyTL5Bvosj
专题命中 推理与问题求解 :language model(title,abstract);foundation model(abstract);分类 cs.CL、cs.AI、cs.LG
Comments ACL 2023 Findings
专题命中 推理与问题求解 :language model(title,abstract);large language model(abstract);分类 cs.CL、cs.AI、cs.LG
专题命中 推理与问题求解 :language model(title,abstract);large language model(abstract);分类 cs.CL、cs.AI、cs.LG
Comments ACL 2023
专题命中 推理与问题求解 :language model(title,abstract);large language model(abstract);prompting(abstract)
专题命中 推理与问题求解 :language model(title,abstract);large language model(abstract);分类 cs.CL、cs.AI、cs.LG
Comments ACL 2023 Findings
专题命中 推理与问题求解 :prompting(title,abstract);large language model(abstract);language model(abstract)
专题命中 推理与问题求解 :language model(title,abstract);large language model(abstract);分类 cs.CL、cs.AI、cs.LG
Comments Preprint
专题命中 推理与问题求解 :foundation model(title,abstract);language model(abstract);分类 cs.CL、cs.AI、cs.LG
Comments Main paper: 6 pages, References: 1.5 pages, Supplement: 11.5 pages. Main paper: 4 figures, Supplement: 3 figures, 8 tables
专题命中 推理与问题求解 :language model(title,abstract);large language model(abstract);分类 cs.CL、cs.AI、cs.LG
Comments Project website: https://innermonologue.github.io
专题命中 推理与问题求解 :language model(title,abstract);large language model(abstract);分类 cs.CL、cs.AI、cs.LG
Comments 12 pages, 5 figures + references and appendices
统计不可区分,操作上截然不同:表格基础模型的形式化障碍
机构 * SAP SE(SAP公司)
专题命中 推理与问题求解 :foundation model(title,abstract);LLM(abstract);分类 cs.AI、cs.LG
AI总结 本文提出操作图灵测试,证明仅基于值的表格模型无法区分合法与违规数据库状态,而操作审计特征可突破该障碍,揭示可识别性而非模型容量是根本限制。
Comments Accepted at the 2nd ICML Workshop on Foundation Models for Structured Data, 2026
无需训练的动态专家语言模型再利用
机构 * Gensyn
专题命中 推理与问题求解 :language model(title,abstract);large language model(abstract);分类 cs.CL、cs.LG;post-training(comments)
AI总结 本文提出DUME方法,通过动态添加不同领域训练的密集专家,构建统一的MoE模型,无需额外训练即可保持原有能力,在语言建模和推理任务中表现优异。
Comments Accepted at the ICLR 2026 Workshop on Scaling Post-training for LLMs
PediaMind-R1: 一种基于气质的个性化婴幼儿护理推理语言模型:通过认知建模与偏好对齐
机构 * School of Future Information and Innovation, Fudan University(未来信息与创新学院,复旦大学) ; Corporate Research, Bosch (China) Investment Ltd.(博世(中国)投资有限公司研发部)
专题命中 推理与问题求解 :language model(title,abstract);large language model(abstract);分类 cs.CL、cs.AI;LLM(comments)
AI总结 PediaMind-R1通过整合认知建模与偏好对齐,实现基于婴幼儿气质的个性化护理推理。
Comments Accepted at EMNLP 2025 PALS Workshop (PALS: EXPLORING ACTIVE AND PASSIVE LLM PERSONALIZATION)
REM:通过多帧轨迹评估大语言模型的具身空间推理
机构 * Department of Computer Science(计算机科学系) ; Carnegie Mellon University(卡内基梅隆大学)
专题命中 推理与问题求解 :LLM(title);language model(abstract,journal_ref);large language model(abstract);分类 cs.AI、cs.LG
AI总结 REM通过多帧轨迹评估大语言模型的空间推理能力,揭示其在复杂空间任务中的不足,推动更 robust 的空间表示研究。
Journal ref Proceedings of the Conference on Language Modeling (COLM 2025)
机构 * New York University(纽约大学) ; McGill University(麦吉尔大学) ; Mila - Quebec Artificial Intelligence Institute(魁北克人工智能研究所) ; CIFAR Learning in Machines and Brains Program(CIFAR 机器与大脑学习计划) ; The University of Utah(犹他大学)
专题命中 推理与问题求解 :language agent(title);language model(abstract,comments);prompting(abstract);分类 cs.CL、cs.AI
Comments Conference on Language Modelling (COLM) 2025, Camera Ready
机构 * Department of Computer Science and Engineering, University of Michigan, Ann Arbor, USA(计算机科学与工程系,密歇根大学,安娜堡,美国)
专题命中 推理与问题求解 :LLM(title,comments);large language model(abstract);language model(abstract);分类 cs.AI、cs.LG
Comments Title updated to "Token-Efficient RL for LLM Reasoning" to better reflect algorithmic focus. Revised abstract, intro, and conclusion. Paper shortened and typos fixed
专题命中 推理与问题求解 :prompting(title,abstract);LLM(abstract,comments);分类 cs.CL、cs.AI
Comments To be published in AAAI 2025 Workshop on Advancing LLM-Based Multi-Agent Collaboration
专题命中 推理与问题求解 :LLM(title);large language model(abstract);language model(abstract);分类 cs.CL、cs.AI
Comments Accepted at NeurIPS 2024 Workshop on Large Foundation Models for Educational Assessment (FM-Assess)
识别人工心智:对AI认知的哲学辩护
专题命中 推理与问题求解 :large language model(abstract,abstract_cn);language model(abstract,abstract_cn);LLM(abstract);分类 cs.AI
AI总结 该研究为“全猪论题”辩护,主张LLMs是具备认知状态的成熟智能体,反驳相关质疑并推测其可能拥有人类概念体系外的内容。
Comments Pre-publication draft. Forthcoming as Open Access from Oxford University Press. Please cite the OUP version when available. Note title change: previously, "Going Whole Hog: A Philosophical Defence of AI Cognition"
SignalReasoner:评估3B模型在信号数学推理任务中的上限
专题命中 推理与问题求解 :SFT(abstract,abstract_cn);large language model(abstract);language model(abstract);post-training(abstract)
AI总结 本研究针对信号数学推理任务,以Qwen2.5-3B-Base为对象,对比两种训练范式与三种强化优化算法,其最佳模型准确率较基准提升超两倍。
SheetCompass:面向智能体电子表格推理的分层关系图
机构 * University of Science and Technology of China(中国科学技术大学)
专题命中 推理与问题求解 :LLM(summary_cn,abstract_cn);large language model(abstract);language model(abstract);分类 cs.AI
AI总结 针对LLM处理电子表格时丢失多维结构语义的问题,提出SheetCompass框架,通过显式建模表内外结构关系并结合内存机制,提升智能体对复杂工作簿的推理能力。
深度思考,一次输出:ReLIT,一种递归隐式隐式Transformer框架
机构 * Indian Institute of Technology Roorkee(鲁尔基印度理工学院)
专题命中 推理与问题求解 :LLM(abstract,abstract_cn);large language model(abstract);language model(abstract);prompting(abstract)
AI总结 该研究针对思维链提示计算开销大、微型递归模型语义连贯性差的问题,提出ReLIT框架,结合TinyLlama-1.1B骨干与可训练递归块,在逻辑推理基准上高效实现推理,性能优于或媲美更大模型。
Comments 14 pages, 6 figures